What Factors Affect Laptop Prices?

Danh sách thành viên nhóm 1 - S2:

STT	MSSV	Họ và Tên
35	20133076	Văn Mai Thanh Nhật
42	20133082	Huỳnh Minh Phước
3	20133029	Nguyễn Trí Dũng
14	20133047	Lương Gia Huy

Phần 1 - Giới thiệu

Trong thị trường máy tính hiện nay, vì sự tiện lợi và linh hoạt của một chiếc laptop hay còn gọi là máy tính xách tay nên chúng đang dần dần thay thế những chiếc máy bàn cồng kềnh và nặng nề. Mọi thứ của một chiếc pc giờ đây đã gói gọn chỉ bằng một cuốn sách và từ đó ta có thể đem đến mọi nơi từ nhà riêng cho đến văn phòng hay thậm chí là quán cà phê để có thể làm việc, nó chiếm thị phần khá cao và cũng đang trở thành xu hướng hiện đại vì giúp ta có thể đồng bộ, xử lý công việc một cách dễ dàng và nhanh gọn.

Vì vậy trong những năm gần đây, giá của một chiếc laptop đã có nhiều sự thay đổi đáng kể. Có nhiều yếu tố ảnh hưởng đến giá của một chiếc laptop, những yếu tố này bao gồm thương hiệu sản xuất và những chính sách khuyến mãi của hãng hay là những tiện ích đi kèm. Ngoài ra, ở phần cứng, quan trọng chính là dung lượng bộ nhớ có thể lưu trữ dữ liệu, tốc độ của vi xử lý cũng không kém phần ảnh hưởng. Và đóng góp một phần nhỏ có thể kể đến thiết kế bên ngoài và hệ điều hành mà nó sử dụng, cũng đã tác động đến giá của một chiếc laptop hiện nay.

Và trong đề tài này, nhóm chúng em xin dùng bộ dữ liệu về thông số kỹ thuật và giá cả của laptop mới nhất để trực quan hoá mối liên hệ và tác động kể trên để phần nào hiểu rõ hơn về việc việc phân tích dữ liệu.

Theo như tác giả, nguồn dữ liệu ở đây được trích xuất từ Flipkart.com, một nền tảng thương mại điện tử hàng đầu của Ấn Độ hiện nay. Phương pháp thu thập đến từ một tiện ích mã nguồn mở tự động trên Chrome có tên là Instant Data Scrapper, nó sử dụng AI một cách tự động để trích xuất dữ liệu từ bất kỳ trang web nào và cho phép lưu dữ liệu thành file xlsx hay csv. Trong phần dữ liệu thì có sử dụng các biến số như là biến số định danh ( tên hãng, tên phiên bản, vi xử lý, ….) , biến số định lượng (ram, ssd, giá, …), ngoài ra còn sử dụng biến số nhị giá (như là màn hình cảm ứng, msoffice).

---

Phần 2 - Dữ liệu

import pandas as pd

df = pd.read_csv('Cleaned_Laptop_data.csv')

# IN 3 DÒNG ĐẦU DỮ LIỆU
df.head(3)

	brand	model	processor_brand	processor_name	processor_gnrtn	ram_gb	ram_type	ssd	hdd	os	...	display_size	warranty	Touchscreen	msoffice	latest_price	old_price	discount	star_rating	ratings	reviews
0	Lenovo	A6-9225	AMD	A6-9225 Processor	10th	4 GB GB	DDR4	0 GB	1024 GB	Windows	...	Missing	0	No	No	24990	32790	23	3.7	63	12
1	Lenovo	Ideapad	AMD	APU Dual	10th	4 GB GB	DDR4	0 GB	512 GB	Windows	...	Missing	0	No	No	19590	21325	8	3.6	1894	256
2	Avita	PURA	AMD	APU Dual	10th	4 GB GB	DDR4	128 GB	0 GB	Windows	...	Missing	0	No	No	19990	27990	28	3.7	1153	159

3 rows × 23 columns

import pandas as pd

df = pd.read_csv('Cleaned_Laptop_data.csv')

#IN 3 DÒNG CUỐI DỮ LIỆU
df.tail(3)

	brand	model	processor_brand	processor_name	processor_gnrtn	ram_gb	ram_type	ssd	hdd	os	...	display_size	warranty	Touchscreen	msoffice	latest_price	old_price	discount	star_rating	ratings	reviews
893	ASUS	Ryzen	AMD	Ryzen 9	Missing	4 GB GB	DDR4	1024 GB	0 GB	Windows	...	16	1	No	No	142990	0	0	0.0	0	0
894	SAMSUNG	Galaxy	Qualcomm	Snapdragon 7c	Missing	4 GB GB	LPDDR4X	0 GB	512 GB	Windows	...	Missing	0	No	No	38990	47990	18	0.0	0	0
895	Lenovo	Thinkpad	AMD	Ryzen 5	10th	8 GB GB	DDR4	512 GB	0 GB	DOS	...	14	0	No	No	57490	78400	26	4.2	18	4

3 rows × 23 columns

Phần 3 - Kế hoạch phân tích dữ liệu

1. Các biến kết quả (phản hồi, Y) và dự đoán (giải thích, X) mà nhóm sẽ sử dụng để trả lời câu hỏi của mình.

Biến dự đoán(giải thích):

• brand
• processor_name
• processor_brand
• processor_gnrtn
• ram_gb
• ram_type
• ssd
• hdd
• OS
• os_bit
• graphic_card_gb
• weight
• display_size
• warranty
• Touchscreen
• msoffice

Biến kết quả(phản hồi):

• Giá của mỗi chiếc laptop

2. Các nhóm so sánh nhóm sẽ sử dụng, nếu có.

• Nhóm laptop có cùng cấu hình (hoặc gần giống) nhưng khác hãng và hệ điều hành
• Nhóm laptop có cùng cấu hình, cùng hãng nhưng khác processor_brand.
• Nhóm laptop có cùng cấu hình, cùng hãng nhưng khác ram_type.
• Nhóm laptop có cùng cấu hình, cùng hãng nhưng khác ram_gb.
• Nhóm những máy cùng cấu hình nhưng khác ổ đĩa lưu trữ
• So sánh nhóm những máy chạy 32 bit và 64 bit
• So sánh nhóm những máy cùng cấu hình, cùng hãng nhưng khác khối lượng
• So sánh nhóm những máy cùng cấu hình, cùng hãng nhưng khác màn hình hiển thị

3.Phân tích dữ liệu sơ bộ, bao gồm một số thống kê tóm tắt và biểu đồ trực quan hóa, cùng với một số giải thích về cách chúng giúp nhóm hiểu thêm về tập dữ liệu.

from tkinter import font
from turtle import color, colormode
import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
%matplotlib inline

df = pd.read_csv('Cleaned_Laptop_data.csv')

# MỨC GIÁ TRUNG BÌNH THEO RAM
df.groupby(['ram_gb']).mean()['latest_price'].sort_values(ascending=True).plot(kind='bar',grid=True)
plt.ylabel('Average price',fontsize=15)
plt.xlabel('RAM Storage')
plt.title('Average price for RAM storage')
plt.show()

# GIÁ TRUNG BÌNH THEO TỪNG HÃNG
df.groupby(['brand']).mean()['latest_price'].sort_values(ascending=True).plot(kind='bar',grid=True)
plt.ylabel('Average price',fontsize=15)
plt.xlabel('Brand')
plt.title('Average price for each brand')
plt.show()

#SỐ LƯỢT ĐÁNH GIÁ
df.groupby(['brand']).mean()['ratings'].sort_values(ascending=True).plot(kind='bar',grid=True)
plt.ylabel('Rating counts',fontsize=15)
plt.xlabel('Brand')
plt.title('Rating count for each brand')
plt.show()

#SỐ SAO TRUNG BÌNH
df.groupby(['brand']).mean()['star_rating'].sort_values(ascending=False).plot(kind='barh',grid=True)
plt.xlabel('Average rating star /5*',fontsize=15)
plt.ylabel('Brand')
plt.title('Average rating stars for each brand')
plt.show()

# THỊ PHẦN
plt.figure(figsize=(30,30))
df.groupby(['brand']).count()['model'].sort_values(ascending=False).plot(kind='pie',autopct='%1.2f%%',grid=True,fontsize='20')
plt.xlabel('Brand',fontsize=20)
plt.show()

# SỰ TƯƠNG QUAN GIỮA DUNG LƯỢNG RAM, HÃNG VI XỬ LÝ, VÀ GIÁ TIỀN
fig = px.scatter_3d(df, x='processor_brand', y='ram_gb', z='latest_price',
              color='brand')

fig.show()

4.(Các) phương pháp thống kê mà nhóm tin rằng sẽ hữu ích trong việc trả lời (các) câu hỏi đặt ra.

Xây dựng mô hình hồi quy tuyến tính với biến giá của laptop là biến phụ thuộc và còn lại là biến độc lập.

5.Kết quả nào từ các phương pháp thống kê cụ thể này là cần thiết để hỗ trợ cho giả thuyết của nhóm?

Dựa vào kết quả của mô hình hồi quy tuyến tính trên sẽ loại những biến khỏi mô hình tương ứng. Từ đó xây dựng các mô hình hồi quy tuyến tính loại bỏ các biến không có tác động lên giá của laptop và chọn mô hình hợp lý để dự đoán giá của laptop.